一种通过集成学习实现多模型参数化知识编辑的方法

一种通过集成学习实现多模型参数化知识编辑的方法，它属于大模型知识编辑领域。本发明解决了现有知识编辑方法仅能修改单个大型语言模型，不适用于需要同时更新多个大型语言模型的复杂场景的问题。本发明通过引入一种动态权重机制，使用[WEIGHT]标记来预测每个实例的权重分配，可以在确保有效利用集成模型中知识的同时，新知识的更新不会对无关信息产生影响。本发明还通过以零向量而非中心模型的分布开始解码搜索，并优先选取融合分布中概率值较高的标记进行解码，从而确保解码过程由融合知识驱动，避免中心大型模型在集成结果中占主导地位，提高了知识编辑的精确性和泛化能力。本发明方法可以应用于大模型知识编辑领域。